ReSum: Desbloqueando Inteligência de Busca de Longo Horizonte por meio de Resumo de Contexto

ReSum: Unlocking Long-Horizon Search Intelligence via Context Summarization

September 16, 2025

Autores: Xixi Wu, Kuan Li, Yida Zhao, Liwen Zhang, Litu Ou, Huifeng Yin, Zhongwang Zhang, Yong Jiang, Pengjun Xie, Fei Huang, Minhao Cheng, Shuai Wang, Hong Cheng, Jingren Zhou

cs.AI

Resumo

Agentes web baseados em Large Language Models (LLMs) demonstram um desempenho robusto em tarefas que exigem conhecimento intensivo, mas são limitados pelas restrições de janelas de contexto em paradigmas como o ReAct. Consultas complexas envolvendo múltiplas entidades, relações interconectadas e alto grau de incerteza demandam ciclos extensivos de busca que rapidamente esgotam o orçamento de contexto antes de alcançar soluções completas. Para superar esse desafio, introduzimos o ReSum, um paradigma inovador que permite exploração indefinida por meio de sumarização periódica do contexto. O ReSum converte históricos de interação crescentes em estados de raciocínio compactos, mantendo a consciência de descobertas anteriores enquanto contorna as limitações de contexto. Para a adaptação do paradigma, propomos o ReSum-GRPO, que integra o GRPO com treinamento de trajetórias segmentadas e difusão de vantagens para familiarizar os agentes com o raciocínio condicionado a sumários. Experimentos extensivos com agentes web de diversas escalas em três benchmarks demonstram que o ReSum proporciona uma melhoria absoluta média de 4,5\% em relação ao ReAct, com ganhos adicionais de até 8,2\% após o treinamento com ReSum-GRPO. Notavelmente, com apenas 1K amostras de treinamento, nosso WebResummer-30B (uma versão do WebSailor-30B treinada com ReSum-GRPO) alcança 33,3\% de Pass@1 no BrowseComp-zh e 18,3\% no BrowseComp-en, superando os agentes web de código aberto existentes.

English

Large Language Model (LLM)-based web agents demonstrate strong performance on knowledge-intensive tasks but are hindered by context window limitations in paradigms like ReAct. Complex queries involving multiple entities, intertwined relationships, and high uncertainty demand extensive search cycles that rapidly exhaust context budgets before reaching complete solutions. To overcome this challenge, we introduce ReSum, a novel paradigm that enables indefinite exploration through periodic context summarization. ReSum converts growing interaction histories into compact reasoning states, maintaining awareness of prior discoveries while bypassing context constraints. For paradigm adaptation, we propose ReSum-GRPO, integrating GRPO with segmented trajectory training and advantage broadcasting to familiarize agents with summary-conditioned reasoning. Extensive experiments on web agents of varying scales across three benchmarks demonstrate that ReSum delivers an average absolute improvement of 4.5\% over ReAct, with further gains of up to 8.2\% following ReSum-GRPO training. Notably, with only 1K training samples, our WebResummer-30B (a ReSum-GRPO-trained version of WebSailor-30B) achieves 33.3\% Pass@1 on BrowseComp-zh and 18.3\% on BrowseComp-en, surpassing existing open-source web agents.